Data Governance: Ein ausführlicher Leitfaden

Unternehmen sollten die von ihnen erstellten Daten so verwalten, dass sie konsistent und in einer Weise verarbeitet werden, die den wirtschaftlichen Erfolg fördert. Die Institutionen, denen dies gelingt, sorgen für Sicherheit und Compliance und gewinnen einen Mehrwert aus den Informationen, die sie erfassen und speichern.

Untersuchungen zeigen, dass Data Governance eine der führenden strategischen Initiativen für multinationale Unternehmen ist. Da die neuen technologischen Errungenschaften wie künstliche Intelligenz und maschinelles Lernen qualitativ hochwertige Daten voraussetzen, ist es unwahrscheinlich, dass sich dieser Trend in absehbarer Zeit ändern wird. In diesem Beitrag erfahren Sie mehr darüber.

Inhalt

Was ist Data Governance?

Was ist der Unterschied zwischen Data Governance und Information Governance?

Vorteile und Ziele von Data Governance

Data-Governance-Modelle (Rahmenwerke)

Data Governance-Tools

Ist Ihr Unternehmen bereit für Data Governance?

Data Governance-Zertifizierungen

Was ist Data Governance?

Data Governance ist ein Verfahren, das die Verwaltung der Verfügbarkeit, Integrität, Verwendbarkeit und Sicherheit von Daten in Unternehmenssystemen auf der Grundlage interner Datenrichtlinien und Standards, die sich auch auf die Datennutzung erstrecken, erleichtert. Diese Data Governance-Definition gilt auch für Big Data Governance, der einzige Unterschied ist, dass Big Data Governance nur für große Datenmengen gilt.

Eine funktionale Data Governance stellt sicher, dass die Daten vertrauenswürdig und konsistent sind und nicht für die falschen Zwecke genutzt werden. Sie wird zunehmend wichtiger, da Unternehmen neuen Datenschutzbestimmungen unterliegen und immer mehr auf Datenanalysen angewiesen sind, um Abläufe zu verbessern und Erkenntnisse für Geschäftsentscheidungen zu gewinnen.

Ein richtig konzipiertes Data-Governance-Programm besteht in der Regel aus einem Governance-Team, einem Lenkungsausschuss, der als Leitungsgremium fungiert, und einer Data Stewards Group. Gemeinsam arbeiten sie an der Entwicklung von Richtlinien und Standards für Data Governance sowie an der Durchsetzung und Implementierung von Verfahren.

Was ist der Unterschied zwischen Data Governance und Information Governance?

Information Governance befasst sich mit dem geschäfts- und Compliance-basierten Ansatz zur Verwaltung der Nutzung, Aufbewahrung und Verwaltung von Geschäftsunterlagen.

Der Information Governance Initiative zufolge umfasst Information Governance die "Technologien und Aktivitäten, die Unternehmen einsetzen, um den Wert ihrer Informationen zu maximieren und zugleich die damit verbundenen Kosten und Risiken zu minimieren.

Information Governance deckt sowohl unstrukturierte als auch strukturierte Daten ab. Sie beinhaltet Elemente wie den Informationslebenszyklus, die Kategorisierung, die Definitionen der Nutzung, die sichere Entsorgung und den Informationszugang und liegt größtenteils in der Verantwortung des Managements eines Unternehmens.

Im Gegensatz dazu ist Data Governance eher eine Aufgabe der IT-Abteilung. Sie gilt hauptsächlich für die Übertragung und Speicherung von Daten. Die vielen Facetten der Data Governance umfassen die Datenabfolge, die Datensicherheit, die Datenservicelevel, die Datenverwaltung und die Vermeidung von Datenverlusten.

Um den Unterschied zwischen Information Governance und Data Governance zu verstehen, ist es hilfreich, sich die für jeden Bereich erforderlichen Fähigkeiten anzusehen. Information Governance erfordert Spezialisten mit einem umfassenden Verständnis von Records- und Informationsmanagement, Technologie, Datenschutz, Zusammenarbeit, Discovery und Disposition. Im Gegensatz dazu sollten Fachleute für Data Governance über Kenntnisse in den Bereichen Datenarchitektur, Datenschutz, Datenmodellierung, Datenmanagement und Datenintegration verfügen.

Vorteile und Ziele der Data Governance

Das Hauptziel von Data Governance ist die Überwindung von Datensilos innerhalb einer Organisation. Silos bilden sich in der Regel, wenn einzelne Geschäftseinheiten separate Transaktionsprozesssysteme ohne eine zentral koordinierte Strategie oder Unternehmensdatenarchitektur implementieren. Die Daten in diesen Systemen sollen durch einen kooperativen Prozess vereinheitlicht werden, an dem Beteiligte aus jeder Geschäftseinheit teilnehmen.

Ein weiteres Ziel der Data Governance ist es, sicherzustellen, dass die Daten auf die richtige Weise genutzt werden, um Datenfehler zu vermeiden und einen möglichen Missbrauch von persönlichen Kundendaten und anderen sensiblen Details zu verhindern. In der Regel wird dies durch die Erstellung einheitlicher Richtlinien für die Datennutzung und die Einrichtung von Verfahren zur Bewertung der Nutzung und zur kontinuierlichen Durchsetzung der Richtlinien erreicht.

Ohne angemessene Datenkontrolle bleiben Dateninkonsistenzen in den verschiedenen Informationssystemen eines Unternehmens möglicherweise unbemerkt. Beispielsweise können Kundennamen in Logistik-, Vertriebs- und Kundendienstsystemen uneinheitlich aufgeführt sein. Dadurch werden Versuche zur Datenintegration behindert und es entstehen Probleme mit der Datenintegrität, die die Zuverlässigkeit von Business Intelligence, Analyseanwendungen und Unternehmensberichten beeinträchtigen.

Fehler in der Data Governance können auch die Einhaltung gesetzlicher Vorschriften behindern, was sich für Unternehmen, die neue Datenschutzrichtlinien wie die GDPR der Europäischen Union und das kalifornische Verbraucherschutzgesetz einführen müssen, als problematisch erweisen kann.

Eine Initiative zur Data Governance in Unternehmen führt in der Regel zur Entwicklung von Standarddatenformaten und gemeinsamen Definitionen, die für alle Geschäftssysteme gelten, und verbessert so die Konsistenz sowohl für geschäftliche als auch für Compliance-Zwecke.

Data Governance Modelle (Frameworks)

Ein Data Governance Framework ist im Wesentlichen ein Modell für die Verwaltung von Unternehmensdaten. Das Framework bietet Richtlinien und Bedingungen für Management- und Geschäftsaktivitäten, insbesondere für solche, die die Bearbeitung und Erstellung von Daten erfordern oder zur Folge haben.

Zentralisierte Verwaltung (sowohl für einzelne als auch für mehrere Geschäftseinheiten)

Die zentralisierte Verwaltung wird durch eine oder mehrere Unternehmensabteilungen definiert, die die Pflege von Stammdaten konsolidieren. In diesem Framework kümmert sich ein zentraler Knotenpunkt um die Einrichtung von Stammdaten auf der Grundlage von Anfragen von Datenkonsumenten. Diese Lösung ist für große bis mittelgroße Unternehmen mit mehreren Standorten geeignet.

Vorteile

• Stammdaten haben eine längere Lebenserwartung

Nachteile

• Es bestehen komplexe Datenanforderungen
• Sie erfordert mehrere rechtliche Genehmigungen und muss sich an äußere Faktoren wie das staatliche Recht halten.

Dieses Framework für Data Governance bietet umfassende Kontrolle über Stammdaten. Allerdings ist dies oft mit Verzögerungen verbunden und erfordert eine große, formelle Data Governance-Abteilung. Allerdings sind die erstellten Daten in hohem Maße konsistent, und es ist einfacher, Änderungen und Prozessverbesserungen einzuführen, da nur wenige Benutzer Stammdaten einrichten können.

.

Zentralisierte Datenverwaltung und dezentralisierte Ausführung

Dieses Modell sieht vor, dass eine zentrale Data-Governance-Behörde den Framework für die Kontrollen festlegt und die einzelnen Geschäftseinheiten bestimmte Teile der Stammdaten erstellen. Das Modell ist ideal für große bis mittelgroße Unternehmen mit mehreren Standorten.

Vorteile

• Es verschafft Stammdaten eine lange Lebensdauer
• Es ermöglicht die gemeinsame Nutzung von Stammdaten mit anderen Geschäftseinheiten

Nachteile

• It requires multiple legal permissions and is affected by extrinsic factors like government regulations

Dieses Modell der Datenverwaltung bietet zwar eine hohe Agilität, doch müssen Unternehmen bei Bedarf auch angemessene Kontrollen einrichten.

Dezentralisierte Ausführung (einzelne Geschäftsabteilung)

Bei dieser Data Governance-Strategie verwalten die einzelnen Geschäftsanwender ihre eigenen Stammdaten. Dieses Modell stellt sicher, dass Daten von lokalen Benutzern erstellt werden. Es eignet sich ideal für kleine Unternehmen wie ein einzelnes Unternehmen oder eine Produktionsstätte.

Vorteile

• Die Verfahren zur Datenpflege sind relativ einfach

Nachteile

• Geschäftseinheiten können keine Stammdaten gemeinsam nutzen
• Die Stammdaten haben eine kürzere Lebenserwartung als andere Datenmodelle

Obwohl dieses Modell unkomplizierter ist und schneller eingerichtet werden kann, kann es zu erheblichen Dateninkonsistenzen kommen, falls es nicht korrekt verwaltet wird.

Hier erfahren Sie, wie Sie dieses Problem vermeiden können:

• Achten Sie darauf, dass das Eigentum an den Daten klar definiert und auf eine Handvoll Experten innerhalb des Unternehmens beschränkt ist.
• Geben Sie klare Anweisungen, wie jedes Feld auszufüllen ist, zusammen mit Erläuterungen zur Bedeutung der einzelnen Werte für jedes Feld.
• Wenn es Ihr Budget erlaubt, investieren Sie in automatisierte Tools, um die Datenkonsistenz zu gewährleisten.
• Richten Sie Kontrollen und Audits ein, um Dateninkonsistenzen schnell zu erkennen und zu korrigieren.

Dezentralisierte Ausführung (mehrere Geschäftsabteilungen)

In diesem Modell arbeiten mehrere Geschäftseinheiten mit gemeinsamen Materialien, Kunden und Anbietern zusammen. Es ist am besten für kleine und mittlere Unternehmen mit mehreren Standorten geeignet.

Vorteile

• Die Aufgaben der Datenpflege sind relativ einfach
• Es ermöglicht die gemeinsame Nutzung von Stammdaten mit anderen Geschäftsabteilungen

Nachteile

• Stammdaten haben eine kurze Lebensdauer.

Hinweis: Dieses Modell kann zu größeren Dateninkonsistenzen führen, da mehrere Parteien beteiligt sind. Dieses Problem kann sich in Form von doppelten Stammdaten manifestieren und kann frustrierend sein. Um dies zu vermeiden, sollten Sie;

• automatisierte Tools verwenden, die die Datenkonsistenz sicherstellen - unabhängig davon, wer der ursprüngliche Ersteller ist
• die Anzahl der Felder einschränken, die gepflegt werden müssen
• klare Anweisungen geben, wie die Felder auszufüllen sind

Tools für Data Governance

Software-Tools vereinfachen den Data-Governance-Prozess und automatisieren ihn, wodurch er schneller und effizienter wird. Es gibt verschiedene Data Governance-Tools auf dem Markt. Manche bieten herkömmliche Datenverwaltungsfunktionen wie die Überwachung der Datenabfolge und die Verwaltung von Stammdaten, andere wiederum bieten Richtlinien- und Qualitätsmanagement.

Hier eine Liste mit den besten Data Governance-Tools

Ovaledge

Ovaledge ist ein renommiertes Tool für Data Governance. Es führt tiefgreifende Scans aller Speicherorte durch, an denen Daten abgelegt sind, und erstellt einen intelligenten Datenkatalog.

Ovalege indexiert Daten unabhängig davon, wo sie in Ihrem Unternehmens-Ökosystem gespeichert sind. Mithilfe von maschinellem Lernen kategorisiert das Tool die Daten anhand von Nutzungsstatistiken, Tags und Benutzernamen. Durch manuelle Beschreibungen und Algorithmen zeigt es auch Beziehungen zwischen Datenbeständen auf. Dank dieser Fähigkeit können Sie ein vollständiges Verständnis Ihrer Daten erlangen, selbst wenn diese in einem Pool von unsortierten Dateien liegen.

Mit Ovaledge können Sie zudem Datendefinitionen und Data Quality-Standards mithilfe eines Geschäftsglossars erstellen. Das Tool ermöglicht es Ihnen, Verantwortlichkeiten und Rollen zuzuweisen und gleichzeitig den Zugriff durch Richtlinienkontrollen zu verwalten. Außerdem erhalten die Benutzer Benachrichtigungen über die Datennutzung und Fehler.

Collibra

Collibra bietet ein unternehmensorientiertes Data-Governance-System, das Prozesse und Menschen in den Mittelpunkt stellt. Collibra ist bekannt für seine intelligenten Data Governance- und Management-Funktionen, die für konsistente und genaue Daten sorgen. Das Tool ermöglicht es Ihrem Unternehmen, Daten zu organisieren und zu verwalten und die Regeln und Richtlinien zu verwalten, die mit den Daten verbunden sind.

Collibra stellt außerdem sicher, dass die Daten in einem zentralen Repository gespeichert werden, so dass alle Benutzer Zugriff auf die neuesten Daten und Richtlinienaktualisierungen haben. Collibra ist sehr effektiv für funktionsübergreifende Teams, da es den kollaborativen Prozess erleichtert. Es erlaubt die Zusammenarbeit zwischen den Beteiligten, um zu kooperieren, einen Kontext um die Daten herum aufzubauen und ihre Sauberkeit und Genauigkeit zu erhalten.

Die Plattform bietet den Benutzern interaktive Diagramme zur Datenabfolge (visuelle Darstellungen des Weges, den die Daten von ihrer Erstellung bis zu ihrer Umwandlung im Laufe der Zeit zurücklegen) und ermöglicht eine semantische Suche, die das Auffinden bestimmter Informationen erleichtert. Auf der Plattform finden Sie Details wie Datenrichtlinien, Datenfluss und Beziehungen. Es gibt verschiedene vorgefertigte Templates, die Ihnen den schnellen Einstieg erleichtern.

IO-Tahoe

IO-Tahoe ist ein weiteres hervorragendes Tool für Data Governance, das den Data-Governance-Prozess optimieren und Sie bei der Verwaltung Ihrer Daten unterstützen kann. Dieses Tool kann automatisch Beziehungen zwischen Datenbeständen erkennen. Es verwendet sowohl bekannte als auch unbekannte Daten, um eine umfassende Analyse der Datenlandschaft des Unternehmens zu erstellen. IO-Tahoe identifiziert Beziehungen in strukturierten, halbstrukturierten und unstrukturierten Daten durch komplexe maschinelle Lernalgorithmen. Darüber hinaus ist das Tool plattformunabhängig, so dass Ihr Unternehmen es problemlos in verschiedenen Systemen einsetzen kann.

Talend

Talend ist das perfekte Tool, um Sie bei der Überwindung von Datensilos und bei der Einrichtung von kontrollierten Datendrehscheiben zu unterstützen. Mit diesem Tool können Sie Probleme mit der Data Quality schnell erkennen und beheben. Talend verfügt über eine einheitliche End-to-End-Lösung, die als ein einziges transparentes Repository für alle Ihre Unternehmensdaten fungiert. Es bietet auch eine automatische Erkennung. Das Tool kann nicht nur Daten crawlen, sondern auch 80 Prozent der Informationen zu einem bestimmten Datenbestand durch maschinelles Lernen identifizieren und speichern. Dadurch wird sichergestellt, dass die Daten immer auf dem neuesten Stand sind.

Talend nutzt auch maschinelles Lernen, um die Daten durch Validierung, intelligente Deduplizierung und Standardisierung zu bereinigen.

Informatica

Informatica vereinfacht die Zusammenarbeit zwischen Unternehmen und IT-Fachleuten und bietet eine dedizierte Enterprise Data Governance-Plattform, die sowohl vor Ort als auch in der Cloud genutzt werden kann. Informatica überwindet Datensilos und unterstützt Sicherheits-, IT-Abteilungen und Unternehmensteams dabei, sicherzustellen, dass die Daten von hoher Qualität sind und die Compliance-Anforderungen erfüllen. Informatica unterstützt Sie auch bei der Minderung des GPDR-Risikos. Mit diesem Tool können Sie Verbraucherdaten finden und schützen, unabhängig davon, wo sie in Ihrer Datenlandschaft liegen. Zudem erhalten Sie Kundendaten, so dass Sie sicher sein können, dass Sie sie im Bedarfsfall erreichen können. Informatica ermöglicht auch die Visualisierung Ihrer Datenbestände.

Auf dem Markt gibt es heutzutage eine Vielzahl von Data Governance-Tools. Ihre endgültige Wahl hängt ganz von den Bedürfnissen und dem Datenvolumen Ihres Unternehmens ab.

Hinweis

Bedenken Sie, dass Sie sich nicht einfach ein Tool aussuchen und damit Ihre Data Governance-Bemühungen beginnen können. Wenn Sie erfolgreich sein wollen, sollten Sie zunächst prüfen, ob Ihr Unternehmen dafür bereit ist. Entwickeln Sie dann eine Data Governance-Strategie, die auf die Bedürfnisse Ihres Unternehmens zugeschnitten ist. Wenn Sie all dies getan haben, können Sie nun nach einem Tool suchen, das Ihren spezifischen Anforderungen entspricht.

IBM Data Governance-Lösungen

Die Data Governance-Lösungen von IBM bieten Ihnen die Flexibilität, jede Art von Data Governance-Strategie umzusetzen. Die IBM Data Governance-Lösung nutzt maschinelles Lernen, um Datenbestände zu sammeln und zu verwalten. Sie stellt Anwendern zuverlässige konsolidierte Datenressourcen zur Verfügung, die in Big Data-Projekten genutzt werden können. Das Tool bewertet auch den Wert der Daten und hilft Ihnen, kritische Daten zu finden, sie zu sichern und die GDPR einzuhalten.

Ist Ihr Unternehmen bereit für Data Governance?

Bei der Bewertung des Entwicklungsstands und der Bereitschaft Ihres Unternehmens, eine Data Governance-Strategie zu implementieren, sind mehrere entscheidende Faktoren zu berücksichtigen.

Menschen

Menschen arbeiten zusammen, um technologische Anforderungen zu ermitteln, Prozesse zu definieren und letztendlich die Ergebnisse der Data Governance zu erzielen, die strategische Faktoren unterstützen. Ist Ihr Unternehmen der Data Governance verpflichtet? Haben Sie deren Verantwortlichkeiten und Rollen formell definiert? Besitzen sie das erforderliche Fachwissen? Haben Sie einen Plan für das Änderungsmanagement entwickelt, um die organisatorische Anpassung zu erleichtern?

Prozesse

Data-Governance-Prozesse ermöglichen es, sicherzustellen, dass Ihre Daten im gesamten Unternehmen angemessen verwaltet werden, so dass Ihre wichtigen Geschäftsprozesse auf zuverlässigen Daten basieren. Sind Ihre Datenvorschriften, Definitionen und Ziele relevant und realistisch? Haben Sie die Geschäftsprozesse und Geschäftsregeln aktualisiert, um eine fehlerfreie, unkomplizierte Data Governance-Integration zu gewährleisten?

Mitwirkende

Sie benötigen IT- und Geschäftsexperten, die den relevanten Kontext liefern. Prozessverantwortliche, Unternehmensleiter und Stewards führen sowohl die nachgelagerten als auch die vorgelagerten Prozesse aus, die von Ihrer Initiative betroffen sind, und müssen daher in den Planungsprozess einbezogen werden.

Data Governance-Zertifizierungen

Wenn Sie daran interessiert sind, sich einen Vorteil gegenüber Ihren Konkurrenten zu verschaffen und die Kompetenz Ihres Unternehmens im Bereich Data Governance zu verbessern, sind Data Governance-Zertifizierungen eine sinnvolle Investition. Zertifizierungen bewerten Ihre Fähigkeiten und Ihr Wissen anhand von branchen- und anbieterbezogenen Benchmarks, um zu belegen, dass Sie über das erforderliche Fachwissen verfügen.

Die Zertifizierung zum Service Master Digital Data Management

Bei der Prüfung werden Kenntnisse und Fähigkeiten in den Bereichen Daten- und Projektmanagement, IT-Compliance und Business Intelligence geprüft. Die Zertifizierung gibt es sowohl als Master als auch als Practitioner, basierend auf den Prüfungsergebnissen und der Erfahrung.

Fachmann für Datenmanagement und -verwaltung (Data Governance and Stewardship Professional)

Der Data Governance and Stewardship Professional ist ein Zertifikat, das das Institut für die Zertifizierung von Computerfachleuten anbietet. Es ist ein mehrstufiges Zertifikat, das die Kenntnisse im Bereich Data Governance bestätigt. Im Mittelpunkt stehen dabei Benutzerfreundlichkeit, Verfügbarkeit, Konsistenz, Datenintegrität und Sicherheit. Das Zertifikat wird auf den Stufen Executive Management, Associate Practitioner, Principal Mastery, Data Governance Professional und Foundation Assistant angeboten.

Die Unternehmensdatenverwaltung

Das verifizierte Zertifikat für Unternehmensdatenmanagement bescheinigt den Abschluss des gleichnamigen Programms, das über edX, eine vom MIT und Harvard geschaffene E-Learning- und Lernplattform, angeboten wird. Dieser Kurs, der sich in erster Linie an Führungskräfte richtet, befasst sich mit der Verbesserung der Geschäftsvorteile von funktionalen, abgestimmten und großen Datensystemen und Datenbeständen, die mit Datenmanagement und Datenanalyse auf Unternehmensebene zu tun haben. Zu den Schwerpunkten gehören die Prinzipien der Datenprofilierung, der Stammdatenverwaltung und der Datenintegration.

Die Daten sind einer der wichtigsten Vermögenswerte eines Unternehmens. Data Governance hilft Unternehmensleitern und IT-Abteilungen, dafür zu sorgen, dass Daten sicher, zugänglich und nutzbar sind. Effektive Data Governance verbessert die Datenanalyse, was wiederum die Entscheidungsfindung und die Betriebsunterstützung verbessert. Darüber hinaus trägt sie dazu bei, Dateninkonsistenzen zu vermeiden, die Integritätsprobleme und verschiedene andere institutionelle Probleme verursachen können.